Python NLTK и Pandas - классификатор текста - (новичок) - импорт моих данных в формате, аналогичном предоставленному примеру

Question

Я новичок в классификации текста, однако я понимаю большинство понятий. Короче говоря, у меня есть список отзывов о ресторанах в наборе данных Excel, и я хочу использовать их в качестве данных тренировок. Я борюсь с примером синтаксиса для импорта как фактического обзора, так и классификации (1 = pos, 0 = neg) в качестве части моего обучающего набора данных. Я понимаю, как это сделать, если я вручную создаю набор данных в кортеже (т. Е. То, что у меня есть, вычеркнуто в процессе). Любая помощь приветствуется.

import nltk
from nltk.tokenize import word_tokenize
import pandas as pd

df = pd.read_excel("reviewclasses.xlsx")

customerreview= df.customerreview.tolist() #I want this to be what's in 
"train" below (i.e., "this is a negative review")

reviewrating= df.reviewrating.tolist() #I also want this to be what's in 
"train" below (e.g., 0)

#train = [("Great place to be when you are in Bangalore.", "1"),
#  ("The place was being renovated when I visited so the seating was 
limited.", "0"),
#  ("Loved the ambiance, loved the food", "1"),
#  ("The food is delicious but not over the top.", "0"),
#  ("Service - Little slow, probably because too many people.", "0"),
#  ("The place is not easy to locate", "0"),
#  ("Mushroom fried rice was spicy", "1"),
#]

dictionary = set(word.lower() for passage in train for word in 
word_tokenize(passage[0]))

t = [({word: (word in word_tokenize(x[0])) for word in dictionary}, x[1]) 
for x in train]

# Step 4 – the classifier is trained with sample data
classifier = nltk.NaiveBayesClassifier.train(t)

test_data = "The food sucked and I couldn't wait to leave the terrible 
restaurant."
test_data_features = {word.lower(): (word in 
word_tokenize(test_data.lower())) for word in dictionary}

print (classifier.classify(test_data_features))

Answer 1

Я понял это. Мне просто нужно было объединить два списка в кортеж.

def merge(customerreview, reviewrating): 

    merged_list = [(customerreview[i], reviewrating[i]) for i in range(0, 
len(customerreview))] 
    return merged_list 

train = (merge(customerreview, reviewrating))